基于热轧工艺参数的冷轧变形抗力预报建模研究

作者：严加根; 贾银芳; 李京栋; 武则栋; 王晓晨

来源：钢铁研究学报, 2023, 35(09): 1100-1109.

DOI：10.13228/j.boyuan.issn1001-0963.20220318

• 变形抗力
• 冷轧
• 热轧过程参数
• 鲸鱼优化算法
• BP神经网络

变形抗力作为冷轧工艺设定中重要的材料和控制参数，计算精度直接影响到轧制力设定精度，继而影响带钢平坦度等质量指标的控制精度。针对变形抗力机制模型设定精度低、无法考虑热轧过程参数遗传影响等问题，采用鲸鱼优化算法(WOA)优化BP神经网络建立预测模型(WOA-BP),并通过现场收集的热、冷轧历史过程工艺参数对模型进行训练。WOA-BP模型预测结果表明，平均绝对值误差为10.42,平均绝对百分比误差为1.22,平均均方根误差为13.13,均优于BP神经网络模型，弥补了BP神经网络处理复杂的非线性问题训练时间长、预测精度低等缺点。与传统依托冷轧单工序建立的机制模型相比，考虑热轧工艺参数后，变形抗力预测误差由±15%降低至±6%,应用于L2级系统模型设定后，轧制力精度平均提高了2.09%。

• 出版日期2023
• 单位上海梅山钢铁股份有限公司; 北京科技大学